- 博客(3)
- 收藏
- 关注
RSS订阅原创 图增强聚类网络【GraphAugmentationClusteringNetwork】
我们根据特征表示模块得到的Za来重建图，计算它的相似度矩阵，将相似度矩阵减去对角线矩阵。之前的图聚类网络严重依赖于预定义的图，如果预定义的图的质量不高，学的出来特征可能会比较差。启示我们自适应的增强图，而不是依赖于预定义的图。3.融合构建出来的图与原始的图，其中Az = D1 G,其中Dz是构建图的度矩阵。提出具有多层感知器层与一系列归一化项的自适应图增强模块，来进行原始图与邻接图的融合。本篇文章的贡献：图增强->通过探索网络本身的结构信息来动态的增强初始图。
2023-05-27 16:54:53
246
1
原创 Attention-drivenGraphClusteringNetwork
1.写作思路：聚类的概念->深度学习融入聚类的意义->深度聚类的先决条件(数据表示) ->举例在聚类中数据表示的网络，以及那些网络的缺 陷->拓扑图特征学习的意义->加入图学习的模型->那些模型存在的缺点。2. 不同层对于输入信息的语义信息不同，在聚类任务中发挥着不同的作用，不能简单地认为他们的重要性是相同的，于是，使用AGCN-S利 用注意力机制来融合不同尺度的信息，基本步骤都是：先拼接、再进行线性变化捕捉不同层的关联、每一行进行softmax得到注意力权重、 权重*原始信息得到最终结果。
2023-05-25 11:17:26
161
1
原创 MoCo论文详解
这里提出的方法是：一次我只更新队列中的mini-batch大小的数据，将最早进入队列的mini-batch大小的数据从队列中剔除，但这样队列中的的 数据并不是同一批次进来的，可能来自不同的编码器，这里就提出了动量更新的策略，我假设更新编码器的时候，我0.99的参数都是来自上一个编码器，只有0.01来自新更新的参数，保证前后key编码器的相似性与一致性.MoCo选择的代理任务是instance discrimination ，q与k+是不同视角的图片(如随机裁剪得到的)
2023-05-22 20:42:54
144
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人